1. 서 론

사장교는 대표적인 케이블 지지 구조물 중 하나로 보강형을 주탑에 연결된 사장 케이블로 지지하는 형식의 교량을 말한다. 사장교는 케이블의 인장강도와 주탑 및 보강형의 휨, 압축강도를 효과적으로 결합시켜 구조적 효율을 높일 수 있어서 장대교량에 적합하고, 미관이 뛰어나 짧은 거리에도 종종 사용되고 있어, 국내에서도 공용 중인 사장교가 증가하고 있으며 2023년 기준 78개소이다^{(KICT, 2023)}. 사장교 케이블은 교량 전체의 구조안전성 및 사용성 측면에서 매우 중요한 구조 부재이다^{(Cho et al., 2005)}. 사장교가 장대화될수록 주탑과 주형을 연결하는 사장교 케이블은 풍하중 및 차량하중에 의한 진동에 취약해진다. 사장교에 설치되는 케이블 댐퍼는 케이블의 감쇠비를 증가시켜 케이블 및 교량에 피로 및 안정성 문제를 유발하는 진동을 저감시키는 역할을 한다. 즉, 케이블 및 케이블 댐퍼의 성능을 확보하기 위하여 케이블의 장력과 감쇠비를 모니터링하는 것은 매우 중요한 문제이다.

케이블 장력을 측정하는 방법은 장력 측정장비를 이용하는 직접법과 동적 데이터를 이용하는 간접법이 있다^{(Cho et al., 2005)}.직접법은 케이블에 로드셀과 변위계, 유압잭을 설치한 후 로드셀에 걸리는 힘과 변위계로 측정한 변위와의 관계를 이용하여 케이블의 장력을 산정하는 방식이다. 과정이 단순하고 결과값이 정확한 반면, 고가이고, 유지관리에 어려움이 있으며, 공용 중인 교량에 적용하기 어렵다. 사장교 케이블 긴장력 모니터링을 위하여 ^{Park et al. (2020)}은 FBG 광섬유 센서가 내장되어 있는 스마트 강연선을 이용하여 긴장력을 직접 측정하는 방법을 제안하였다. 그러나 이 방법은 기존 케이블을 스마트 강연선으로 교체하는 작업이 필요하며, 운용 중 센서에 손상이 발생하였을 경우 보수에 어려움이 있다. 따라서 동적 가속도 데이터를 이용하여 간접적으로 장력을 추정하는 방법이 일반적으로 현장에서 사용된다. 진동법은 케이블 장력이 변화하면서 케이블 동적 특성이 변화하는 관계에 기반을 둔 방법으로, 여러 연구자에 의하여 제안되었다(Juan 1994, ^{Russel 1998)}. 국토안전관리원 특수시설관리실에서 관리 중인 사장교에는 가속도 데이터를 활용한 진동법을 기반으로 장력을 추정을 위해 설치된 케이블 가속도계는 2022년 기준으로 206개이다^{(KALIS, 2022)}.

진동법 기반 케이블 장력 및 감쇠비 값의 추정은 Fig. 1의 순서로 진행된다. 우선, 케이블과 일체 거동을 하도록 가속도계를 설치한 다음, 시간영역 진동 응답을 실시간으로 계측한다. 이후 계측된 진동 응답을 주파수 영역으로 변환하여 파워 스펙트럼 밀도(power spectral density, PSD)를 계산하고, PSD 신호로부터 첨두값(peak values)을 추출한다. 첨두값과 장력, 감쇠비 간의 상관관계식을 통하여 장력 및 감쇠비를 역으로 추정한다. 매번 새롭게 계측된 응답에 대하여 위의 과정을 반복적으로 수행하여 장력 및 감쇠비를 모니터링한다. 이 과정에서 사람의 개입이 필요하고 결과에 가장 큰 영향을 미치는 작업은 첨두값을 추출하는 것이다. 그러나 PSD 신호에서의 첨두값은 풍하중, 차량하중 등 케이블에 영향을 미치는 외부 하중뿐만 아니라 센서 상태, 통신 품질 등에 대한 영향이 함께 반영되기 때문에 시간이 경과함에 따라 편향 등으로 최초 설정값이 변경될 수 있으며 지속적인 인력 개입이 필요하다. 따라서, 첨두값을 추출하는 데 있어서 신호 보정, 변수 설정 등 인력 개입을 최소화하는 것은, 추정 결과의 객관성 및 신뢰성을 확보하는 데 있어 매우 중요하며, 노동집약적인 신호처리 작업을 무인 자동화하기 위한 기반이 된다.

Fig. 1 Tension and damping ratio estimation based on the indirect method with vibration data

특수시설관리실에서 관리 중인 케이블 교량의 케이블 장력계 대다수는 유선 계측시스템이다. 유선 계측 시스템은 센서, 통신, 전력 케이블의 설치가 필요하여 수량 및 위치 선정에 제약이 있으며, 케이블 설치 비용이 상당하다. 이를 위하여 무선 계측시스템이 2000년대부터 개발되기 시작하였으며^{(Hou and Wu, 2019; Peng et al. 2023)}, 최근 IoT 기술의 급격한 발전과 함께 IoT 센서 상당수가 교량에 설치되고 있다. 그러나 상당수가 원시(raw) 신호 계측 및 무선 데이터 송수신을 위한 기본 기능, 센서 상태 확인 기능, 원시 신호의 통계처리 기능만을 갖추고 있다. 진동법 기반 케이블 장력 및 감쇠비 추정을 위하여 초당 100회 이상 계측 주기로 10분 이상 원시 진동 데이터를 수집하는데, 수집된 데이터는 기본적인 처리만 거쳐 서버로 전송되고, 서버에서 전송받은 데이터에 대한 분석을 수행하여 장력과 감쇠비를 계산하는 방식이다. 최근 Edge Computing 기술을 통해 중앙 클라우드 서버가 아니라 IoT 센서 자체에서 데이터를 처리하는 기술이 개발되고 있으며, 주로 데이터의 양이 매우 많고 실시간적인 처리가 필요한 자율주행자동차, 스마트 공장, 사물인터넷(IoT) 등에서 대거 활용되고 있다. 이러한 Edge Computing 기술을 활용하여 케이블의 장력 및 감쇠비 추정 결과만을 서버로 전송할 수 있다면, 데이서 송수신 크기를 대폭 감소시킬 수 있으며, 이는 전력량 및 통신량의 감소로 이어져 기존 원시 데이터 송신 시스템보다 효율적인 운영 및 관리가 가능하다^{(Sim and Spencer 2010; Jeong et al., 2019; Kim et al., 2019)}.

본 연구에서는 인력의 개입을 최소화하여 완전 자동화된 케이블 모니터링 시스템을 구축하기 위하여, 가속도 신호로부터 첨두를 추출하기 위한 전체 과정을 자동화한 알고리즘을 IoT 센서에 탑재하고 시스템을 최적화한 다음, 현재 유선 계측시스템이 설치되어 장력을 관리 중인 국내 사장교에 설치하여 센서 및 알고리즘의 정확성과 현장 운용성을 검증하고자 한다.

2. 첨두 자동 탐지 알고리즘

일정 기간 계측된 가속도 신호에 대하여 주파수 영역에서의 첨두값을 자동으로 추출할 수 있는 알고리즘은 케이블의 진동 특징에 기반하여 개발되었다. 케이블에서 측정한 진동 신호를 주파수 영역으로 변환하면 다음의 두 가지 특징이 나타난다: (1) 케이블의 첨두값은 케이블의 고유진동수와 관련이 있으므로 일정 간격을 가지고 나타난다. 첨두값 간의 간격은 케이블 고유 물리적 특징으로 케이블의 제원 및 형상에 따라 달라진다; (2) 첨두값은 주변값에 비하여 큰 값을 가지고 있어 이상치와 유사하다. 본 논문에서는 이와 같은 두 가지 특징을 판별하여 첨두값을 자동으로 추출할 수 있는 알고리즘을 사용하였다^{(Jin et al, 2021)}.

Fig. 2 Fully-automated peak detection algorithm(Jin et al., 2021)

생체신호 처리분야에서는 첨두값이 주기적으로 발생하는 특징을 이용하여 Automatic multiscale-based peak detection (AMPD) 기법을 제안하였다^{(Scholkmanm et al, 2012)}. AMPD 기법은 잡음이 포함된 신호에서도 주기적으로 발생하는 첨두값 추정이 가능하며, 초기 설정이 필요 없어 자동화가 가능하다는 장점이 있다. ^{Jin et al. (2021)}은 생체신호를 기반으로 개발된 AMPD 기법을 케이블의 신호 특성에 맞춰 개선하였다. 한편, 주변값과 비교하여 이를 초과하는 이상치를 탐지하는 데에 있어서 잡음이 포함된 신호에서도 안정적으로 첨두를 탐지할 수 있도록 중앙값 절대 편차(Median absolute deviations, MAD) 방법을 사용하여 임계치를 자동으로 설정하도록 하였다^{(Rousseeuw et al., 1993)}. 이와 같은 두 가지의 물리적 특징으로부터 탐지된 첨두 중 공통으로 나타나는 첨두에 대하여 장력을 추정하도록 알고리즘을 개발하였으며, ^{Jin et al. (2021)}은 알고리즘의 정확성을 기존 기법 및 딥러닝 객체탐지 알고리즘과 비교·검증하였다.

본 논문에서는 해당 알고리즘을 IoT 센서에 탑재하기 위하여, 사용자가 사전에 설정해야 하는 설정 변수(hyper-parameters)가 필요 없으며, 사전학습, 실행시간 등 연산의 복잡성 및 연산 시 요구되는 비용을 낮춤으로써, 사용자의 개입이 전혀 없이 첨두 추정 완전 자동화가 가능하다. 이러한 알고리즘의 특징을 기반으로 저전력으로 센서 자체적인 실시간 데이터 처리가 가능하도록 하였다.

3. 교량 케이블 모니터링 자동화 시스템 제작

케이블 원시 데이터에서 첨두를 추출하기 위한 알고리즘이 원활하게 구동될 수 있도록 IoT 센서를 개발하였다. 개발된 센서는 (1) 케이블 가속도 신호의 계측, (2) 탑재 알고리즘을 통해 첨두값 추출, (3) 장력 및 감쇠비 계산, (4) 이상 신호 탐지 및 분류, (5) 계측 센서 상태 확인의 5가지 기능을 수행할 수 있도록 설계·제작되었다. 가속도 데이터의 실시간 수집을 위해 RTOS(Real-Time Operating System)인 Zephyr가 포팅된 on- board 32bit MCU와 고도의 연산 및 고속 네트워크 처리를 위한 쿼드코어 64bit CPU에 Linux를 포팅한 듀얼 프로세서 시스템을 탑재하였으며, 실시간·저전력 계측 및 고급 알고리즘 연산을 유연하게 지원할 수 있다. Fig. 3은 개발된 IoT 센서의 블록 다이어그램을, Table 1은 주요 성능을 보여준다.

Fig. 3 Block diagram of the proposed IoT sensor

가속도 센서는 100 Hz 샘플링으로 원시 데이터를 생성한다. 이후 원시 데이터는 10분 단위로 저장되며, 10분간 측정된 데이터를 기반으로 첨두값 추출을 위한 연산이 수행된다. 동일한 구조체에 대하여 개발된 센서와 기존 가속도계 센서의 성능을 비교한 결과, 시간 영역에서 두 신호의 상관성은 0.93, 주파수 영역에서 추출된 첨두값은 3.613 Hz로 동일하였다(Fig. 4). 이때 Z축 가속도 데이터를 사용하였다. 센서에 탑재된 알고리즘으로부터 첨두값을 추출하는 데에 소요되는 시간은 Fig. 5에서 보듯이 약 0.7초였다.

Fig. 4 Comparison of signals in the frequency domain

Fig. 5 Elapsed time from an embedded algorithm

케이블 모니터링 중 센서의 유지관리를 위하여 센서 내부에 온도센서, 습도센서를 장착하여 모니터링 중 온·습도값, 내부 배터리 전압, 외부 태양광 전압, 통신 성능 변수를 추출하여 매 시간마다 서버로 전송함으로써, 센서 상태에 대한 데이터를 축적하여 관리하도록 하였다. 한편, 외부 환경에 장기간 노출되어 계측을 수행해야 하므로 IoT 센서의 케이스는 알루미늄 재질로 제작하였으며, 해상 도로 상 염분, 분진, 수분 등에 의한 오작동을 줄이기 위하여 외장 포트는 IP65 등급 기준으로 제작하였다.

4. 교량 케이블 모니터링 자동화 시스템의 현장 적용

4.1 IoT 센서 설치

개발된 센서의 현장 적용 및 검증을 위하여, 현재 유선 계측시스템을 통하여 케이블 장력을 관리 중인 국내 사장교 1개소를 선정하였다. 대상 교량은 주경간 430 m의 왕복 4차선 강합성 사장교이다. 센서를 설치한 2023년 10월 18일부터 현재까지 모니터링을 수행하고 있으며, 기존 계측시스템에서 추출된 케이블 진동 신호의 첨두값과 개발된 IoT 센서에 탑재된 알고리즘을 통해 계산된 첨두값을 비교함으로써 개발된 IoT 센서의 정확도 및 현장 적용성을 검증하였다.

개발된 IoT 센서는 교량의 동측 주탑에 설치된 케이블 중 중앙경간 및 측경간 방향으로 가장 긴 케이블에 각각 1개씩 설치하였다. 중앙경간 방향의 케이블 라벨은 CSNE17, 측경간 방향의 케이블 라벨은 CNNE17이다. 설치된 케이블의 제원은 Table 2와 같다. CSNE17 케이블에 장착된 기존 계측센서 라벨은 CSNE17, CNNE17 케이블에 장착된 계측센서 라벨은 CNNE17이다.

Table 2 Cable specifications for measurements

Label	CNNE17	CSNE17
Weight per Length (kN/m)	0.5975	0.8414
Effective Length (m)	235.858	198,942
Design Tension (kN)	4,353	6,218
Tension Measurement (kN, 2019)	4,756	6,890
Allowable tension (kN)	5,399	7,659

Fig. 6은 IoT 센서의 설치 전경을 보여준다. IoT 센서는 현재 설치된 유선 가속도계 인근에 설치하였으며, 3축 가속도 데이터를 100 Hz로 24시간 계측한다. 계측된 데이터는 원활한 데이터 전송을 위하여 10분 단위로 저장, 분석, 전송하도록 설정하였다. 데이터는 LTE 통신망을 사용하여 송수신된다. 성능 검증이 주요 목적이기에 자체 계산된 장력 값 뿐만 아니라 가속도 원시 데이터, 탐지된 첨두값도 함께 전송하도록 하였다. 따라서 안정적인 전력공급을 위하여 태양광 패널을 함께 설치하였으며, 태양광 패널을 통한 충전 전력량이 충분하지 않거나 배터리 자체에 문제가 발생할 경우를 대비하여 센서 내부에 보조 배터리를 탑재하였다. 보조 배터리는 최대 2일동안 외부 전원 공급 없이 동작할 수 있도록 설계하였다.

Fig. 6 Field installation for verification of developed IoT sensors

4.2 케이블 장력 추정 알고리즘 검증

개발된 IoT 센서의 원시 데이터 측정 정확도를 검증하기 위하여, 설치 직후 기존 유선 계측시스템 및 IoT 센서에서 수집된 가속도 원시 데이터를 주파수 영역으로 변환한 결과를 Fig. 7에 비교하였다. 주파수 영역에서 두 신호의 상관계수는 0.957이었으며, 각 계측시스템으로부터 추정된 장력값은, 유선 계측시스템은 4,756 kN, IoT 계측시스템은 4,574 kN이었다. 유선 계측 시스템을 기준으로 IoT 계측 시스템의 오차는 약 3.8% 수준으로 매우 작았다. 이로부터 본 논문에서 개발된 IoT 계측 시스템이 정확하게 대상 케이블의 진동을 모니터링하고 있음을 확인하였다.

개발된 IoT 센서로부터 약 6개월간 모니터링한 진동 데이터를 Fig. 8(a)에 나타내었다. Fig. 8(b)는 태양광 패널로부터 충전되는 축전지 전압 데이터로, 기상청에서 제공하는 일조율 데이터와 함께 도시하였다. 축전지 전압은 모니터링 기간 중 12~15V를 유지하였으나, 2월 말 일조일이 낮은 기간이 지속되면서 0으로 하강하였다. 그러나 즉시 내부 배터리 작동 모드로 변환되면서 Fig. 8(a)와 같이 데이터 손실 없이 계측을 수행하였음을 알 수 있다.

Fig. 7 Comparison of peak frequencies for wired and IoT systems

Fig. 8 Measured raw data during 6 months

2023년 10월 20일부터 2024년 3월 25일까지의 Z축 진동 데이터로부터 탐지된 첨두 결과를 Fig. 9에 나타내었다. 그림에서 데이터 결측구간은 프로그램이 수정된 기간에 해당한다. 0~20 Hz 구간에서 알고리즘을 통해 자동으로 추출 및 계산된 첨두값은 계측기간 동안 일정하였으며, 첨두 탐지에 결측이 발생하지 않았다. 이로부터 센서의 진동 계측 성능 및 탑재된 첨두 탐지 자동화 알고리즘의 성능 모두 케이블 모니터링 기간 중 이상이 없음을 알 수 있었다.

Fig. 9 Peak detection performance of the proposed IoT sensor

센서에서 자동으로 추출된 첨두값으로부터 추정된 케이블 월 평균 장력값을 Fig. 10에 나타내었으며, 2023년 인위적인 진동을 인가하여(forced vibration) 유선 가속도 계측시스템으로부터 측정한 장력값과 비교하였다. 당시 CNNE17 케이블의 장력값은 6,907.9 kN, CSNE17 케이블의 장력값은 4,733.2 kN이었으며, Fig. 10에서 빨간색 점선으로 표시하였다. 모니터링 기간 동안 개발된 IoT 센서로부터 추정된 장력값의 평균은 각각 6,891.6 kN, 4,691.1 kN이었으며, 2023년 측정값과의 오차는 각각 0.77 %, 0.23 %로 평균 0.5%였다.

향후 기존의 유선 계측시스템으로 모니터링된 진동 데이터와 개발된 IoT 계측시스템의 모니터링 데이터로부터 각각 계산된 장력 및 감쇠비를 비교·분석하여, 개발된 IoT 계측시스템을 활용한 케이블 모니터링의 안정성, 센서 탑재 알고리즘을 통한 고도 연산 성능 등을 검증함으로써, IoT 센서를 활용한 케이블 안전성 모니터링의 완전 자율화가 가능할 것으로 기대한다.

Fig. 10 Estimation of cable tension from the proposed IoT sensor

5. 결 론

본 연구에서는 사장교의 주요 구조부재인 케이블을 인력의 개입 없이 자율적으로 모니터링할 수 있도록 Edge Computing이 가능한 IoT 기반 계측 시스템을 개발하였다. 케이블 교량을 장기간 효율적으로 모니터링하기 위하여 정확도가 높으면서 자동화가 가능한 첨두값 추출 알고리즘을 탑재하여 운영할 수 있도록, 요구 성능에 맞는 IoT 센서를 제작하고 이를 현장에 설치하여 검증하였다. 개발된 IoT 센서는 케이블 장력을 추정하기 위한 방법으로 진동법을 사용하였으며, 기존 인력 중심의 첨두 탐지 방법에서 벗어나 계측된 가속도 데이터에서 자동으로 첨두값을 추출할 수 있는 알고리즘을 탑재하였다. 국내에 위치한 사장교의 케이블 2개소에 대하여 개발된 IoT 센서를 설치하였으며, 2023년 10월부터 모니터링을 수행 중이다. 약 6개월간 안정적인 데이터를 100 Hz 샘플링으로 계측함을 확인하였으며, 수신율 등을 통해 안정적으로 운영됨을 확인하였다. 탑재된 알고리즘으로부터 자동으로 탐지된 첨두값으로부터 계산된 케이블 장력값과 기존에 계측된 케이블 장력값과 비교한 결과 장력 추정 오차는 평균 0.5%였다. 지속적인 모니터링을 통하여 센서의 내구성, 계측의 강건성, 관리 효율성 등을 검증할 계획이다.